融合 IBEX35 的 3 種信號來源:技術指標、情緒與地緣政治(GDELT)
研究示範把技術指標、GDELT 地緣政治訊號及 RSS 標題情緒訊號整合,用於分析 IBEX35 的 15 隻成分股。分類器的 AUC-ROC 為 0.5280,策略 Sharpe 比率為 2.56,高於 Buy & Hold 的 1.83;系統的價值在於判斷失誤時減少損失,而非提高市場方向命中率。這是研究及技術示範,並非財務建議或投資推薦。
研究示範把技術指標、GDELT 地緣政治訊號及 RSS 標題情緒訊號整合,用於分析 IBEX35 的 15 隻成分股。分類器的 AUC-ROC 為 0.5280,策略 Sharpe 比率為 2.56,高於 Buy & Hold 的 1.83;系統的價值在於判斷失誤時減少損失,而非提高市場方向命中率。這是研究及技術示範,並非財務建議或投資推薦。
Imagen Technologies 在 2026 年籌得超過 $100M 增長資金,並取得最多 150 million 項額外影像檢查的使用權,供 AI 模型訓練及驗證。資金將支持放射科醫生招聘與留任,並投資臨牀資源、營運基建及供醫師使用的技術。新增影像檢查涵蓋 X-ray、CT、MRI 和超聲波;公告未提供利用這批資料開發的模型表現結果。
CurvDelta 和 CurvLoRA 將大語言模型更新限制在低曲率保留空間,以提升一般能力保留度,同時維持目標適應效果。兩者以數學推理、程式碼生成及知識遺忘任務作評估;在 TOFU 和 MUSE 上,方法在目標遺忘與知識保留之間取得較佳平衡,保留表現接近從頭重新訓練的參考結果。
騰訊在第三季度加大 AI 基礎設施和產品研發投入,並推進組織變革,朝 AI 科技企業轉型。第三季度資本開支付款達651億元、研發投入達323.6億元,分別按年增長226%和42%;WorkBuddy日活躍用戶超過1000萬,日均模型Token消耗量超過100萬億。AI亦應用於騰訊雲、廣告及遊戲等業務,騰訊雲服務收入按年增長35%,營銷服務收入按年增長19%。
推薦理由:財報把算力投入、模型產品數據與雲服務、廣告和遊戲業務表現放在同一脈絡,呈現騰訊 AI 轉型如何落到業務層面。
Palo Alto Networks 宣佈以 45 億美元現金收購企業級 AI 基礎設施公司 Applied Compute。Applied Compute 由三名前 OpenAI 研究員創立,專注協助企業以自有數據訓練及部署定製化開源 AI 模型。
多模態決策模型系列 Piccolo(0.8B 至 27B)透過智能體數據工程及遞歸自我改進,協同演化模型能力與訓練數據。
HINT-WAM 提出一種用於世界動作模型的 on-policy 自蒸餾框架,利用示範影片中的未來畫面作為後見資訊,為模型自身生成的動作軌跡提供訓練目標。框架以 energy score 蒸餾教師模型的動作分佈,無需環境獎勵或模擬器互動。
王子龍與合夥人於2024年創辦賦澈生物(FutureBio),將在Keasling實驗室完成多年的合成生物學課題推向市場。FutureBio於2025年初完成天使輪融資,耀途資本領投,晶泰科技等跟投。王子龍主張以實際材料和生產數據驗證、迭代模型,並以商業可行性推動環保材料落地。
國家數據局近日印發通知,啟動第二批可信數據空間創新發展試點。試點將推進企業、行業、城市三類可信數據空間,探索面向人工智能的數據開發利用新模式,促進數據、模型與場景協同創新。
Google DeepMind 與 Google Research 聯合發布 PARDIG,提供全球 15 分鐘、0.1°(約 10 km)分辨率的 AI 降水估算數據。
三星計劃將西安部分產線升級至286層V9 NAND,SK海力士擬在大連生產240層及以上NAND,但美國設備許可範圍仍不明;長江存儲則以2026年第二季度38.5%的份額領先中國NAND市場。同期三星和SK海力士的份額分別為33.5%和17%;文章指出,NAND競爭重點在每比特成本,而非單看堆疊層數。AI相關數據推高高容量SSD需求,但需求週期、產品耐久性和跨境許可仍影響市場及工廠升級。
RadixArk 發佈 DaisyRose-27B,該模型以 Qwen3.8-27B 為基礎,經 18 天訓練後在 Terminal-Bench 4.1 的得分由 5.6% 升至 12.0%。
拼多多在雄安設立兩大傳統製造服務中心,以數據處理、合規審核、標註和質檢等數碼能力服務傳統產業,不建實體產線。「試衣鏡」項目透過視覺標註和訓練數據改善商品頁的模特上身效果,目前已進入用戶測試階段。雄安公司自5月註冊後,不到半年員工規模突破5000人,超八成來自京津冀。
WorldRuler提出基於規則圖的生成式世界模型,可在儲存及載入時保留用戶定義的規則與世界狀態,並準確呈現規則對指定物件及屬性造成的視覺變化。研究以 GTA-V 和 Habitat 建立 RuleVerse 數據集,並透過動態物件綁定、屬性狀態替換及反事實重建訓練,提升規則執行與影片生成的一致性。
GradScaler 會放大 fp16 梯度以減少下溢,檢查 inf 或 NaN 後跳過更新並降低 scale,再還原梯度。作者以本機數值展示 fp16 的最大值為 65504、最小正常數為 6.1e-5,並指出 bf16 的數值範圍與 fp32 相同,基本不需 GradScaler;老卡使用 fp16 則仍需配套 scaler。
方案把 AI 融入大數據資產治理,透過多源接入、數據質素分析及自然語言生成校驗規則,建立治理閉環。系統結合輕量級機器學習模型與大語言模型,並將人工修正結果回饋模型,以持續優化治理策略。方案亦提出在生產環境中為敏感欄位脱敏,並由工程師審核 AI 生成的規則。
Angel Arellano 改進 Kotensor v1.1.0,令 Qwen2-0.5B 的完整 24 層 LoRA 微調可在 2.84 GB JVM 堆記憶體內完成。
機械人終身學習需要持續吸收新環境和任務的知識,但深度神經網絡的災難性遺忘可能令新任務訓練覆蓋舊技能,阻礙機械人在部署後持續改進。共享網絡參數及新舊任務間的梯度衝突會加劇知識幹擾;終身學習須在吸收新資訊的靈活性與保留舊知識的穩定性之間取得平衡。
自監督學習透過從原始數據自動生成監督訊號,讓神經網絡無需人工標註也能學習有用的表徵,並成為機械人基礎模型與具身智能的重要技術。常見預訓練任務包括預測圖像區塊位置、圖像着色、補全缺失圖像區域及預測旋轉角度。利用連續影格的時間一致性或預測未來觀測,模型亦可學習動態環境表徵。
一項 Airfoil Self-Noise 實驗比較兩個各用 843 行資料訓練的模型池:納入測試條件其他頻率資料的 B,平均測試 MAE 為 2.323152 dB,低於未納入的 A(2.644575 dB)。603 組配對比較中,B 有 237 組絕對誤差較大;由於替換資料亦改變資料覆蓋範圍及正規化結果,實驗不能證明改善是由看過測試條件造成。
研究提出 Chiron,一個由大型語言模型微調而成的基礎模型,用於測量和預測人類行為,並使模擬人口回應分佈與人類統計數據對齊。訓練及評估資料涵蓋 36 個行為領域、78 項社會科學實驗、288,307 筆個人紀錄、1,411,750 項原子行為決策,以及涵蓋 109 個心理構唸的 99,953 項心理測量評估。
基於學習的機械操作以從數據、互動和經驗中學得的策略,取代手動指定的機械人行為。文章概述模仿學習(IL)、強化學習(RL)及混合方法,説明示範可為策略提供起點,而 RL 可進一步改善策略並適應實際動態。學習亦可應用於機械操作的不同層次,從力控制到選擇操作技能。
元示科技宣佈完成近3億元Pre-A輪融資,由君聯資本領投,多家機構跟投。文章指出,虛擬細胞(AIVC)的研發關鍵在於把實驗執行、結果反饋與模型迭代連成閉環,持續補充可驗證的生物數據。這類模型有望協助藥物研發較早判斷療效與風險,但預測仍須在具體任務中逐一驗證。
無涯智遠宣佈完成數億元天使輪及天使加輪融資,投資方包括五源資本、紅杉中國、聯想之星、中關村科學城基金及戈壁創投等。資金將主要用於自研 RSI 模型技術攻關及產品落地。無涯智遠聚焦 Real-Time RSI(實時自進化),以參數持續學習為核心技術路徑。
PACT 將預訓練時序基礎模型的嵌入空間劃分為局部區域,透過殘差傳輸適應新運行條件,同時保留已學習條件的表現。每個新條件只需 5% 標註校準數據,在測試時無須提供條件身份;在四種軸承故障條件的序列中,平均 macro-F1 維持在 0.95 以上。編碼器、分類器及先前學習的傳輸模組保持固定。
研究團隊提出 STOPD,透過隨機截斷生成並以逆概率加權補償,在準確率與 Vanilla OPD 接近的情況下,令訓練提速 1.3–2.2 倍。實驗中,生成 token 減少 25%–48%。論文和程式碼均已公開。
AI帶動下,Everpure第三季收入按年增長51%至$1.5 billion,勝過分析師預期,並連續第三季上調全年收入指引。扣除股票薪酬等若干成本後,每股盈利為86 cents,高於市場預期的77 cents;產品收入升77%至$948 million。
英偉達 CEO 黃仁勳離任及對華晶片管制風險,令中國 AI 產業更重視國產 GPU;國產廠商已進入規模化交付階段,部分企業收入增長並改善盈利。文中以華為昇騰等廠商及超節點路線為例,同時指出國產產品在先進製程、HBM 供給和 CUDA 生態方面仍有差距。
AWS 為 SageMaker AI Serverless Model Customization 加入全參數微調(FFT)支援,並在使用超過 100,000 個訓練樣本的編碼實驗中報告 90.0% 語義正確率。
Japan Open Data Lab 發佈 ja-pii-ner-v1,可在瀏覽器或本機 CPU 偵測日文文本中的 18 類個人資料。模型有 111M 參數;在 10,001 份合成文件的測試集上,span F1 為 0.9770,並在 2,068 份不含個人資料的文件中錄得 0 次誤報,ONNX fp32 每份文件的推理時間為 224 ms。
AWS 在 SageMaker AI Serverless Model Customization 上比較 Full Fine-Tuning(FFT)與 LoRA,並分享 FFT 的實驗結果和超參數調校指引。
Prime Intellect 推出 Model Factory,將強化學習(RL)、監督式微調(SFT)、預訓練和推理整合到同一控制平台,支援模型訓練、部署及持續改進。用戶可按 GPU 小時付費使用託管訓練,或選擇具預留算力及 Slurm、Kubernetes 存取權的專屬部署。Prime Traces 可將生產追蹤記錄用於下一輪訓練。
國家數據局啟動第二批可信數據空間創新發展試點,重點推動數據與人工智能雙向賦能及市場規則機制創新。試點將在安全受控條件下提升企業和行業的高質量數據供給,以支援 AI 訓練和使用。試點亦探索按模型 token 調用、應用效果等方式計費和分配收益,以形成可持續的商業閉環。
薛國強帶領團隊突破電磁勘探理論與方法,研發自主創新的短偏移瞬變電磁(SOTEM)探測系統,推進深部找礦。新系統探測深度達3000米,解釋誤差降至7%,並已應用於白雲鄂博稀土礦等深部探測。團隊亦以深度學習整合多源數據,預測地下2000米內的潛在資源。
AWS 為 Amazon SageMaker HyperPod 推出三項工作負載復原及基礎設施檢查能力,分別驗證訓練運算、監察 EKS 故障,以及偵測 Slurm 停滯任務。
字節跳動正與 Microsoft 就追加採購約5億美元 Azure 雲服務深入談判,主要用於調用 OpenAI 模型。OpenAI 禁止中國企業直接使用其模型,但允許 Microsoft 透過 Azure 向中國客戶轉售,並擔心字節跳動可能藉此進行模型蒸餾。Microsoft 稱未發現相關證據,並強調合規使用。
研究團隊測試了 892 種股價突破關鍵價位後的交易策略,沒有一種通過全部測試;但在買盤推動突破時,突破當分鐘入場優於同日隨機入場,60 種可檢驗組合的結果方向一致,其中 48 種達到 p below 0.001。團隊正訓練模型,從一分鐘 K 線生成逐筆交易細節,以研究出場規則;生成數據的結果仍須在真實 tick 數據上驗證。
頻譜正規化透過將權重矩陣除以其最大奇異值,限制線性層的 Lipschitz 常數,控制網絡對輸入變化的敏感度並協助穩定訓練。實作通常以 power iteration 近似最大奇異值,額外成本低;但它只約束已正規化的層,不能單獨保證 GAN 收斂或模型具備穩健性。
薛國強帶領團隊提出曲面波理論,並研發短偏移瞬變電磁(SOTEM)探測系統,推進深部礦產探測。系統帶寬提升約2.5倍,探測深度達3000米,解釋誤差降至7%。團隊亦將多源數據匯入自建的「AI黑匣子」,預測地下2000米內的潛在資源。
中國科學院青藏高原研究所於11月16日發佈萬拓(One2N)氣象大模型,依託一張80GB顯示卡、歷時約4週,將原有0.7°預報模型細化為全球0.07°、每2小時更新一次的兩級預報系統。